CN112461846B - 工件缺陷检测方法及装置 - Google Patents
工件缺陷检测方法及装置 Download PDFInfo
- Publication number
- CN112461846B CN112461846B CN202011346308.3A CN202011346308A CN112461846B CN 112461846 B CN112461846 B CN 112461846B CN 202011346308 A CN202011346308 A CN 202011346308A CN 112461846 B CN112461846 B CN 112461846B
- Authority
- CN
- China
- Prior art keywords
- defect
- area
- optical surface
- data
- defects
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 272
- 238000001514 detection method Methods 0.000 title claims abstract description 71
- 230000003287 optical effect Effects 0.000 claims abstract description 125
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000004519 manufacturing process Methods 0.000 claims abstract description 19
- 238000012552 review Methods 0.000 claims abstract description 16
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 238000007689 inspection Methods 0.000 claims description 15
- 230000001960 triggered effect Effects 0.000 claims description 6
- 238000011179 visual inspection Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 2
- 230000008685 targeting Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/888—Marking defects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请揭示了一种工件缺陷检测方法及装置，属于工件缺陷检测技术领域。该方法包括利用视觉检测机台获取从产线上收集的工件的光学面图像；核对光学面图像上缺陷所在的位置及缺陷区域；将光学面图像输入至缺陷预测模型以获取预测数据；将核对的缺陷区域以及预测数据中的缺陷区域进行对比，将相交区域高于预定阈值的缺陷记为检出，将其他缺陷记为过检；将检出和过检分别标记于光学图像中对应缺陷的位置处，以供人工复核。本申请通过以不漏检为目标的缺陷预测模型输出关于缺陷的预测数据，并与核对的该光学面的缺陷数据进行对比，通过将缺陷预测模型输出的预测数据与实物对齐方案作为缺陷预测模型的辅助手段，使得漏检和过杀指标双双得以下降。
Description
技术领域
本发明属于工件缺陷检测技术领域，涉及一种工件缺陷检测方法及装置。
背景技术
在质检领域，通常利用深度神经网络模型对工件缺陷进行质检。在传统的质检方式中，通常是针对指定光学面是否含有缺陷的方式对深度神经网络模型进行训练。在模型训练的过程中，为了尽可能的检出包含有缺陷的负样本，往往造成不包含有缺陷的正样本的过检；而为了尽可能的过滤正样本，又往往造成负样本的漏检。最终，深度神经网络模型的训练结果往往在过检和漏检之间来回倾斜，难以达到一个能满足客户检测需求的平衡点，使项目难以落地。
发明内容
为了解决相关技术中因深度神经网络模型的训练结果难以在过检和漏检之间平衡的问题，本申请提供了一种工件缺陷检测方法及装置。技术方案如下：
第一方面，本申请提供了一种工件缺陷检测方法，所述方法包括：
利用视觉检测机台获取从产线上收集的工件的光学面图像；
核对所述光学面图像上缺陷所在的位置及缺陷区域；
将所述光学面图像输入至缺陷预测模型以获取预测数据，所述预测数据包括所述光学面中各个缺陷的位置及缺陷区域；
将所述核对的缺陷区域以及所述预测数据中的缺陷区域进行对比，将相交区域高于预定阈值的缺陷记为检出，将其他缺陷记为过检；
将检出和过检分别标记于所述光学图像中对应缺陷的位置处，以供人工复核。
可选的，在所述利用视觉检测机台获取产线上工件的光学面图像之前，所述方法还包括：
根据待检测的缺陷类型，从产线上收集具备所述缺陷类型的工件。
可选的，所述核对所述光学面图像.上缺陷所在的位置及缺陷区域，包括：
显示所述光学面图像；
获取在所述光学面图像中选中的包含有缺陷的区域；
在位置输入框中显示所述区域的中心位置,在区域输入框中显示所述区域的区域范围，所述位置输入框和所述区域输入框中的数据允许复核人员更改；
在接收到确定指令时，获取所述位置输入框中的位置数据，以及所述区域输入框中的区域数据。
可选的，在所述将检出标记和过检标记分别标记于所述光学图像中对应缺陷的位置处，以供人工复核之后，所述方法还包括：
根据所述光学图像中的标记以及实际缺陷情况，更改检测规则；
利用所述更改后的检测规则更新所述缺陷预测模型。
可选的，所述缺陷预测模型被配置为识别光学面中的所有缺陷，输出以不漏检为目标的预测数据。
第二方面，本申请还提供一种工件缺陷检测装置，所述装置包括：
第一获取模块，用于利用视觉检测机台获取从产线上收集的工件的光学面图像；
核对模块，用于核对所述光学面图像上缺陷所在的位置及缺陷区域；
第二获取模块，用于将所述第一获取模块获取到的光学面图像输入至缺陷预测模型以获取预测数据，所述预测数据包括所述光学面中各个缺陷的位置及缺陷区域；
对比模块，用于将所述核对的缺陷区域以及所述预测数据中的缺陷区域进行对比，将相交区域高于预定阈值的缺陷记为检出，将其他缺陷记为过检；
标记模块，用于将所述对比模块得出的检出和过检分别标记于所述光学图像中对应缺陷的位置处，以供人工复核。
可选的，所述装置还包括：
收集模块，用于根据待检测的缺陷类型，从产线上收集具备所述缺陷类型的工件。
可选的，所述核对模块，还用于：
显示所述光学面图像；
获取在所述光学面图像中选中的包含有缺陷的区域；
在位置输入框中显示所述区域的中心位置,在区域输入框中显示所述区域的区域范围，所述位置输入框和所述区域输入框中的数据允许复核人员更改；
在接收到确定指令时，获取所述位置输入框中的位置数据，以及所述区域输入框中的区域数据。
可选的，所述装置还包括：
更改模块，用于根据所述光学图像中的标记以及实际缺陷情况，更改检测规则；
更新模块，用于利用所述更改后的检测规则更新所述缺陷预测模型。
可选的，所述缺陷预测模型被配置为识别光学面中的所有缺陷，输出以不漏检为目标的预测数据。
本申请至少可以实现如下有益效果：
通过设置以不漏检为目标的缺陷预测模型，将光学面输入至该缺陷预测模型后，输出关于缺陷的预测数据，并与核对的该光学面的缺陷数据进行对比，将相交区域高于预定阈值的缺陷标记为检出，其他的作为过杀数据标记为过减，通过将缺陷预测模型输出的预测数据与实物对齐方案作为缺陷预测模型的辅助手段，使得漏检和过杀指标双双得以下降。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本申请一个实施例中提供的工件缺陷检测方法的方法流程图；
图2A是本申请另一个实施例中提供的工件缺陷检测方法的方法流程图；
图2B是本申请一个实施例中提供的核对光学面图像上缺陷所在的位置及缺陷区域时的示意图；
图3是本申请一个实施例中提供的工件缺陷检测装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是本申请一个实施例中提供的工件缺陷检测方法的方法流程图，本申请提供的工件缺陷检测方法可以包括如下步骤：
步骤101，利用视觉检测机台获取从产线上收集的工件的光学面图像；
每个工件具备多个光学面，针对于指定的光学面进行图像摄取，获取光学面图像。
这里所讲的视觉检测机台通常是安装于检测生产线上的摄像头。
步骤102，核对光学面图像上缺陷所在的位置及缺陷区域；
对光学面图像上的缺陷进行实物核对。缺陷所在的位置通常是指缺陷区域的中心或质心，缺陷区域限定了缺陷在光学面上的范围。
步骤103，将该光学面图像输入至缺陷预测模型以获取预测数据，预测数据包括该光学面中各个缺陷的位置及缺陷区域；
步骤104，将核对的缺陷区域以及上述预测数据中的缺陷区域进行对比，将相交区域高于预定阈值的缺陷记为检出，将其他缺陷记为过检；
若相交区域高于预定阈值，意味着对应的缺陷为需要被检出的缺陷，此时将这类缺陷记为检出，而将相交区域低于预定阈值的缺陷均记为过检。
步骤105，将检出和过检分别标记于光学图像中对应缺陷的位置处，以供人工复核。
将检出标记于光学图像中对应缺陷的位置处，将过检也标记于光学图像中对应缺陷的位置处，这样人工复核时可以根据检测需求以及所标记的缺陷情况，调整检测规则，以便后续利用最新的检测规则对工件的光学面上的缺陷进行检测。
综上所述，本申请提供的工件缺陷检测方法，通过设置以不漏检为目标的缺陷预测模型，将光学面输入至该缺陷预测模型后，输出关于缺陷的预测数据，并与核对的该光学面的缺陷数据进行对比，将相交区域高于预定阈值的缺陷标记为检出，其他的作为过杀数据标记为过减，通过将缺陷预测模型输出的预测数据与实物对齐方案作为缺陷预测模型的辅助手段，使得漏检和过杀指标双双得以下降。
图2A是本申请另一个实施例中提供的工件缺陷检测方法的方法流程图，本申请提供的工件缺陷检测方法可以包括如下步骤：
步骤201，根据待检测的缺陷类型，从产线上收集具备该缺陷类型的工件；
不同批次的工件通常具备同类型的缺陷，因此为了降低计算，提高检测命中率，可以根据待检测的缺陷类型，从产线上收集具备该缺陷类型的工件。
步骤202，利用视觉检测机台获取从产线上收集的工件的光学面图像；
工件通常为立体的，因此每个工件通常具备多个光学面，针对于指定的光学面进行图像摄取，获取光学面图像。光学面也可以理解为工件上被视觉检测机台的摄取视野所能拍摄到的区域。
这里所讲的视觉检测机台通常是安装于检测生产线上的摄像头。
步骤203，核对光学面图像上缺陷所在的位置及缺陷区域；
对光学面图像上的缺陷进行实物核对。缺陷所在的位置通常是指缺陷区域的中心或质心，缺陷区域限定了缺陷在光学面上的范围。
在一种可能的实现方式中，在执行步骤203时，可以参见图2B所示，其是本申请一个实施例中提供的核对光学面图像上缺陷所在的位置及缺陷区域时的示意图，包括如下步骤：
步骤203a，显示该光学面图像；
在步骤202获取之后，可以在视觉检测机台或其他机台上显示拍摄得到的光学面图像，便于复核人员查看和操作。
步骤203b，获取在该光学面图像中选中的包含有缺陷的区域；
一般的，显示的光学面图像可以通过鼠标或者触屏的方式被选定区域，比如，复核人员可以根据查看的光学面图像中的缺陷利用鼠标或者通过触屏的方式选定包含有缺陷的区域，对应的，机台的后台处理器则可以获取到复核人员选定的在该光学面图像中选中的包含有缺陷的区域。
步骤203c，在位置输入框中显示该区域的中心位置，在区域输入框中显示该区域的区域范围，位置输入框和区域输入框中的数据允许复核人员更改；
在一种可能的实现方式中，为了便于复核人员调整选定的区域，并查看调整后的数值变化，通常会在显示光学面图像的界面上同步显示位置输入框和区域输入框。对应的，当复核人员选定一区域后，后台处理器则会自动计算该区域的中心位置以及区域范围，并将该区域的中心位置的数据显示在位置输入框中，在区域输入框中显示该区域的区域范围。
进一步的，如果通过鼠标或者触屏选定的区域有微差或者不太合适的形状，复核人员可以根据位置输入框和区域输入框中已经显示的数据以及选定的区域，对位置输入框和区域输入框中的数据进行二次调整。
步骤203d，在接收到确定指令时，获取位置输入框中的位置数据，以及区域输入框中的区域数据。
当用户确定选定的区域或者调整过该区域的中心位置以及区域范围等数据之后，可以触发显示界面上的确定控件，对应的，后台处理器可以接收该确定控件被触发时产生的确定指令。在接收到确定指令后，获取此时位置输入框中的位置数据，以及区域输入框中的区域数据。
步骤204，将光学面图像输入至缺陷预测模型以获取预测数据，预测数据包括光学面中各个缺陷的位置及缺陷区域；
缺陷预测模型被配置为识别光学面中的所有缺陷，输出以不漏检为目标的预测数据。
步骤205，将核对的缺陷区域以及预测数据中的缺陷区域进行对比，将相交区域高于预定阈值的缺陷记为检出，将其他缺陷记为过检；
这里所讲的预定阈值可以根据实际的质检要求进行设定，比如可以设定为80％、78％、85％等。当相交区域高于设定的预定阈值时，通常意味着人工复核的缺陷区域和预测出的缺陷区域较为重合，此时可以将相交区域高于预定阈值的缺陷记为检出。而将其他相交区域低于该预定阈值的缺陷认定为过杀数据，记为过检。
步骤206，将检出和过检分别标记于光学图像中对应缺陷的位置处，以供人工复核。
在步骤206之后，可以根据光学图像中的标记以及实际缺陷情况，更改检测规则，比如原有规则是大于2cm的缺陷为检出，可以更改为大于1.5cm的缺陷为检出等；然后利用更改后的检测规则更新缺陷预测模型。
综上所述，本申请提供的工件缺陷检测方法，通过设置以不漏检为目标的缺陷预测模型，将光学面输入至该缺陷预测模型后，输出关于缺陷的预测数据，并与核对的该光学面的缺陷数据进行对比，将相交区域高于预定阈值的缺陷标记为检出，其他的作为过杀数据标记为过减，通过将缺陷预测模型输出的预测数据与实物对齐方案作为缺陷预测模型的辅助手段，使得漏检和过杀指标双双得以下降。
下述为工件缺陷检测装置的实施例，由于装置实施例与方法实施例对应，因此工件缺陷检测装置实施例中涉及到的技术特征的描述和解释可以参见上述方法实施例中的描述和解释，下面就不再一一赘述。
图3是本申请一个实施例中提供的工件缺陷检测装置的结构示意图，本申请提供的工件缺陷检测装置可以通过软件、硬件或软硬件结合的方式实现。该工件缺陷检测装置可以包括：第一获取模块310、核对模块320、第二获取模块330、对比模块340和标记模块350。
第一获取模块310可以用于利用视觉检测机台获取从产线上收集的工件的光学面图像；
核对模块320可以用于核对所述光学面图像上缺陷所在的位置及缺陷区域；
第二获取模块330可以用于将所述第一获取模块310获取到的光学面图像输入至缺陷预测模型以获取预测数据，所述预测数据包括所述光学面中各个缺陷的位置及缺陷区域；
这里所讲的所述缺陷预测模型被配置为识别光学面中的所有缺陷，输出以不漏检为目标的预测数据。
对比模块340可以用于将所述核对的缺陷区域以及所述预测数据中的缺陷区域进行对比，将相交区域高于预定阈值的缺陷记为检出，将其他缺陷记为过检；
标记模块350可以用于将所述对比模块340得出的检出和过检分别标记于所述光学图像中对应缺陷的位置处，以供人工复核。
可选的，本申请提供的工件缺陷检测装置还可以包括收集模块。
该收集模块可以用于根据待检测的缺陷类型，从产线上收集具备所述缺陷类型的工件。
在一种可能的实现方式中，上述核对模块320还可以用于实现如下操作：
显示所述光学面图像；
获取在所述光学面图像中选中的包含有缺陷的区域；
在位置输入框中显示所述区域的中心位置,在区域输入框中显示所述区域的区域范围，所述位置输入框和所述区域输入框中的数据允许复核人员更改；
在接收到确定指令时，获取所述位置输入框中的位置数据，以及所述区域输入框中的区域数据。
可选的，本申请提供的工件缺陷检测装置还可以还包括：更改模块和更新模块。
更改模块可以用于根据所述光学图像中的标记以及实际缺陷情况，更改检测规则，比如原有规则是大于2cm的缺陷为检出，可以更改为大于1.5cm的缺陷为检出等。
更新模块可以用于利用所述更改后的检测规则更新所述缺陷预测模型。
综上所述，本申请提供的工件缺陷检测装置，通过设置以不漏检为目标的缺陷预测模型，将光学面输入至该缺陷预测模型后，输出关于缺陷的预测数据，并与核对的该光学面的缺陷数据进行对比，将相交区域高于预定阈值的缺陷标记为检出，其他的作为过杀数据标记为过减，通过将缺陷预测模型输出的预测数据与实物对齐方案作为缺陷预测模型的辅助手段，使得漏检和过杀指标双双得以下降。
本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (6)
1.一种工件缺陷检测方法，其特征在于，所述工件缺陷检测方法包括以下步骤：
(1)根据待检测的缺陷类型，从产线上收集具备所述缺陷类型的工件；
(2)利用视觉检测机台获取从产线上收集的工件的光学面图像，每个工件具备多个光学面，针对于指定的光学面进行图像摄取，获取光学面图像，视觉检测机台是安装于检测生产线上的摄像头；
(3)核对所述光学面图像上缺陷所在的位置及缺陷区域，对光学面图像上的缺陷进行实物核对，缺陷所在的位置是指缺陷区域的中心或质心，缺陷区域限定了缺陷在光学面上的范围，具体包括以下步骤：
(3.1)显示所述光学面图像：在视觉检测机台上显示拍摄得到的光学面图像；
(3.2)获取在所述光学面图像中选中的包含有缺陷的区域：复核人员根据查看的光学面图像中的缺陷利用鼠标或者通过触屏的方式选定包含有缺陷的区域，对应的，机台的后台处理器则获取到复核人员选定的在该光学面图像中选中的包含有缺陷的区域；
(3.3)在位置输入框中显示所述区域的中心位置，在区域输入框中显示所述区域的区域范围，所述位置输入框和所述区域输入框中的数据允许复核人员更改：为了便于复核人员调整选定的区域，并查看调整后的数值变化，在显示光学面图像的界面上同步显示位置输入框和区域输入框；
当复核人员选定一区域后，后台处理器则会自动计算该区域的中心位置以及区域范围，并将该区域的中心位置的数据显示在位置输入框中，在区域输入框中显示该区域的区域范围；
当通过鼠标或者触屏选定的区域有微差或者不太合适的形状，复核人员可以根据位置输入框和区域输入框中已经显示的数据以及选定的区域，对位置输入框和区域输入框中的数据进行二次调整；
(3.4)在接收到确定指令时，获取所述位置输入框中的位置数据，以及所述区域输入框中的区域数据：当用户确定选定的区域或者调整过该区域的中心位置以及区域范围数据之后，触发显示界面上的确定控件，对应的，后台处理器接收该确定控件被触发时产生的确定指令，在接收到确定指令后，获取此时位置输入框中的位置数据，以及区域输入框中的区域数据；
(4)将所述光学面图像输入至缺陷预测模型以获取预测数据，所述预测数据包括所述光学面中各个缺陷的位置及缺陷区域，所述缺陷预测模型被配置为识别光学面中的所有缺陷，输出以不漏检为目标的预测数据；
(5)将缺陷预测模型输出的预测数据与实物对齐方案作为缺陷预测模型的辅助手段：将所述核对的缺陷区域以及所述预测数据中的缺陷区域进行对比，将相交区域高于预定阈值的缺陷记为检出，将其他缺陷记为过检；当相交区域高于预定阈值时，则对应的缺陷为需要被检出的缺陷，此时将这类缺陷记为检出，而将相交区域低于预定阈值的缺陷均记为过检；
(6)将检出和过检分别标记于所述光学图像中对应缺陷的位置处，以供人工复核；
(7)根据所述光学图像中的标记以及实际缺陷情况，更改检测规则；
(8)利用所述更改后的检测规则更新所述缺陷预测模型；
或者，所述工件缺陷检测方法包括以下步骤：
步骤201，根据待检测的缺陷类型，从产线上收集具备该缺陷类型的工件；
步骤202，利用视觉检测机台获取从产线上收集的工件的光学面图像；
每个工件通常具备多个光学面，针对于指定的光学面进行图像摄取，获取光学面图像，光学面为工件上被视觉检测机台的摄取视野所能拍摄到的区域，视觉检测机台是安装于检测生产线上的摄像头；
步骤203，核对光学面图像上缺陷所在的位置及缺陷区域：对光学面图像上的缺陷进行实物核对，缺陷所在的位置是指缺陷区域的中心或质心，缺陷区域限定了缺陷在光学面上的范围；包括如下步骤：
步骤203a，显示该光学面图像：在步骤202获取之后，在视觉检测机台或其他机台上显示拍摄得到的光学面图像，便于复核人员查看和操作；
步骤203b，获取在该光学面图像中选中的包含有缺陷的区域：显示的光学面图像通过鼠标或者触屏的方式被选定区域，复核人员根据查看的光学面图像中的缺陷利用鼠标或者通过触屏的方式选定包含有缺陷的区域，对应的，机台的后台处理器则获取到复核人员选定的在该光学面图像中选中的包含有缺陷的区域；
步骤203c，在位置输入框中显示该区域的中心位置，在区域输入框中显示该区域的区域范围，位置输入框和区域输入框中的数据允许复核人员更改：在显示光学面图像的界面上同步显示位置输入框和区域输入框，对应的，当复核人员选定一区域后，后台处理器则会自动计算该区域的中心位置以及区域范围，并将该区域的中心位置的数据显示在位置输入框中，在区域输入框中显示该区域的区域范围；当通过鼠标或者触屏选定的区域有微差或者不太合适的形状时，则复核人员根据位置输入框和区域输入框中已经显示的数据以及选定的区域，对位置输入框和区域输入框中的数据进行二次调整；
步骤203d，在接收到确定指令时，获取位置输入框中的位置数据，以及区域输入框中的区域数据：当用户确定选定的区域或者调整过该区域的中心位置以及区域范围等数据之后，触发显示界面上的确定控件，对应的，后台处理器接收该确定控件被触发时产生的确定指令，在接收到确定指令后，获取此时位置输入框中的位置数据，以及区域输入框中的区域数据；
步骤204，将光学面图像输入至缺陷预测模型以获取预测数据，预测数据包括光学面中各个缺陷的位置及缺陷区域：缺陷预测模型被配置为识别光学面中的所有缺陷，输出以不漏检为目标的预测数据；
步骤205，将核对的缺陷区域以及预测数据中的缺陷区域进行对比，将相交区域高于预定阈值的缺陷记为检出，将其他缺陷记为过检：预定阈值根据实际的质检要求进行设定，当相交区域高于设定的预定阈值时，人工复核的缺陷区域和预测出的缺陷区域较为重合，此时将相交区域高于预定阈值的缺陷记为检出，而将其他相交区域低于该预定阈值的缺陷认定为过杀数据，记为过检；
步骤206，将检出和过检分别标记于光学图像中对应缺陷的位置处，以供人工复核。
2.一种用于实现如权利要求1所述工件缺陷检测方法的工件缺陷检测装置，其特征在于，所述装置包括：
第一获取模块，用于利用视觉检测机台获取从产线上收集的工件的光学面图像；
核对模块，用于核对所述光学面图像上缺陷所在的位置及缺陷区域；
第二获取模块，用于将所述第一获取模块获取到的光学面图像输入至缺陷预测模型以获取预测数据，所述预测数据包括所述光学面中各个缺陷的位置及缺陷区域；
对比模块，用于将所述核对的缺陷区域以及所述预测数据中的缺陷区域进行对比，将相交区域高于预定阈值的缺陷记为检出，将其他缺陷记为过检；
标记模块，用于将所述对比模块得出的检出和过检分别标记于所述光学图像中对应缺陷的位置处，以供人工复核。
3.根据权利要求2所述的工件缺陷检测装置，其特征在于，所述装置还包括：
收集模块，用于根据待检测的缺陷类型，从产线上收集具备所述缺陷类型的工件。
4.根据权利要求2所述的工件缺陷检测装置，其特征在于，所述核对模块还用于：
显示所述光学面图像；
获取在所述光学面图像中选中的包含有缺陷的区域；
在位置输入框中显示所述区域的中心位置,在区域输入框中显示所述区域的区域范围，所述位置输入框和所述区域输入框中的数据允许复核人员更改；
在接收到确定指令时，获取所述位置输入框中的位置数据，以及所述区域输入框中的区域数据。
5.根据权利要求2所述的工件缺陷检测装置，其特征在于，所述装置还包括：
更改模块，用于根据所述光学图像中的标记以及实际缺陷情况，更改检测规则；
更新模块，用于利用所述更改后的检测规则更新所述缺陷预测模型。
6.根据权利要求2所述的工件缺陷检测装置，其特征在于，所述缺陷预测模型被配置为识别光学面中的所有缺陷，输出以不漏检为目标的预测数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011346308.3A CN112461846B (zh) | 2020-11-26 | 2020-11-26 | 工件缺陷检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011346308.3A CN112461846B (zh) | 2020-11-26 | 2020-11-26 | 工件缺陷检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112461846A CN112461846A (zh) | 2021-03-09 |
| CN112461846B true CN112461846B (zh) | 2024-02-23 |
Family
ID=74808558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011346308.3A Active CN112461846B (zh) | 2020-11-26 | 2020-11-26 | 工件缺陷检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112461846B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113065618A (zh) * | 2021-06-03 | 2021-07-02 | 常州微亿智造科技有限公司 | 工业质检中的检测方法、检测装置 |
| CN113344901B (zh) * | 2021-06-25 | 2023-08-01 | 北京市商汤科技开发有限公司 | 涂胶缺陷检测方法、装置、存储介质及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003044832A (ja) * | 2001-07-31 | 2003-02-14 | Kobe Steel Ltd | 検査パラメータ設定方法、検査パラメータ設定装置及び検査パラメータ設定プログラム |
| JP6218094B1 (ja) * | 2016-04-15 | 2017-10-25 | Ｊｅインターナショナル株式会社 | 検査方法、検査装置、検査プログラム、および記録媒体 |
| CN111080582A (zh) * | 2019-12-02 | 2020-04-28 | 易思维（杭州）科技有限公司 | 工件内外表面缺陷检测方法 |
| CN111275700A (zh) * | 2020-02-19 | 2020-06-12 | 凌云光技术集团有限责任公司 | 基于深度学习的端子缺陷检测方法及系统 |
| CN111598863A (zh) * | 2020-05-13 | 2020-08-28 | 北京阿丘机器人科技有限公司 | 缺陷检测方法、装置、设备及可读存储介质 |
| CN111951239A (zh) * | 2020-08-04 | 2020-11-17 | 上海微亿智造科技有限公司 | 过标过检方法及系统 |
-
2020
- 2020-11-26 CN CN202011346308.3A patent/CN112461846B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003044832A (ja) * | 2001-07-31 | 2003-02-14 | Kobe Steel Ltd | 検査パラメータ設定方法、検査パラメータ設定装置及び検査パラメータ設定プログラム |
| JP6218094B1 (ja) * | 2016-04-15 | 2017-10-25 | Ｊｅインターナショナル株式会社 | 検査方法、検査装置、検査プログラム、および記録媒体 |
| CN111080582A (zh) * | 2019-12-02 | 2020-04-28 | 易思维（杭州）科技有限公司 | 工件内外表面缺陷检测方法 |
| CN111275700A (zh) * | 2020-02-19 | 2020-06-12 | 凌云光技术集团有限责任公司 | 基于深度学习的端子缺陷检测方法及系统 |
| CN111598863A (zh) * | 2020-05-13 | 2020-08-28 | 北京阿丘机器人科技有限公司 | 缺陷检测方法、装置、设备及可读存储介质 |
| CN111951239A (zh) * | 2020-08-04 | 2020-11-17 | 上海微亿智造科技有限公司 | 过标过检方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112461846A (zh) | 2021-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110490867B (zh) | 基于深度学习的金属增材制造成形尺寸实时预测方法 | |
| CN112461846B (zh) | 工件缺陷检测方法及装置 | |
| CN103185728B (zh) | 图像处理装置和图像处理方法 | |
| CN105092473B (zh) | 一种多晶硅薄膜的质量检测方法和系统 | |
| CN110261069B (zh) | 一种用于光学镜头的检测方法 | |
| CN110766656B (zh) | 筛查眼底黄斑区异常的方法、装置、设备和存储介质 | |
| CN105812790B (zh) | 图像传感器感光面与光轴垂直度的评测方法及光学测试卡 | |
| US10379387B2 (en) | Method and device for checking refractive power distribution and centering | |
| CN109100363A (zh) | 一种贴合异物缺陷与灰尘的区分方法及系统 | |
| CN106780473A (zh) | 一种磁环缺陷多目视觉检测方法及系统 | |
| CN105139384B (zh) | 缺陷胶囊检测的方法和装置 | |
| CN109839035B (zh) | 一种报靶系统的精确定位方法及报靶系统 | |
| CN111062961A (zh) | 一种基于深度学习的隐形眼镜边缘缺陷检测方法 | |
| CN108009556A (zh) | 一种基于定点图像分析的河道漂浮物检测方法 | |
| CN107255903A (zh) | 一种基于牛顿环测量镜头焦距的方法 | |
| CN105405115A (zh) | 一种影像模组对心系统及其方法 | |
| CN115014248B (zh) | 一种激光投射线的识别与平面度判定方法 | |
| CN112881424A (zh) | Ai+荧光渗透小型管件表面缺陷检测及质量分级方法与系统 | |
| CN114462646B (zh) | 一种基于接触网安全巡检的杆号牌识别方法及系统 | |
| CN113378663B (zh) | 一种巡检指针式圆形仪表识别方法及装置 | |
| CN115316939A (zh) | 一种视力筛查仪的控制方法及系统 | |
| CN110598635B (zh) | 一种针对连续视频帧中的人脸检测与瞳孔定位方法及系统 | |
| CN108076365A (zh) | 人体姿势识别装置 | |
| CN107860933B (zh) | 基于数字图像的纺织品中纤维含量的自动检测方法和装置 | |
| CN113012104A (zh) | 器件翅片数量检测方法、控制器及装置、存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |